Gaussian RBF
PulseAugur coverage of Gaussian RBF — every cluster mentioning Gaussian RBF across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
ER-KANs：新型AI架构提升数据稀疏科学机器学习的鲁棒性
研究人员推出了一种新型科尔莫戈罗夫-阿诺德网络ER-KANs，专为数据稀疏的科学机器学习任务设计。与现有的ChebyKAN和标准KAN等变体不同，ER-KANs在面对嘈杂训练数据时表现出显著提高的鲁棒性。其性能的提升归因于三个关键设计选择：共享高斯RBF基、训练过程中的课程噪声注入以及熵加权自适应正则化。在适度噪声条件下，ER-KANs的准确性可与标准MLP媲美，并且随着噪声水平的增加，其性能下降更为平缓，使其成为数据常不完美的现实科…
-
新方法为漂移模型提供全变分证书
本文介绍了一种分析机器学习中漂移模型的新方法，重点关注如何从嘈杂、有限的数据中得出关于目标和模型分布的结论。所提出的方法，有限探测全变分证书（Finite-Probe Total-Variation Certificates），提供了一个后验全变分置信上限，该上限考虑了各种误差来源，包括噪声、算子误差和近似半径。对于像高斯-RBF（Gaussian-RBF）这样的特定交互类型，该方法提供了无截断的无分布界限，并为拉普拉斯相似性（Lap…
-
新研究阐明在线优化中的根反集中问题
本文解决了在线优化中根反集中问题，特别是针对分段Lipschitz函数。该研究为齐次特征曲线提供了精确的、无量纲的刻画，消除了先前存在的{sqrt(N)}损失。对于首一d次多项式，当且仅当有序实根定律的密度有界时，区间命中常数才是有限的。本文还详细介绍了两个图学习应用，包括一个高斯-RBF谐波分类器和一个多项式核模型，两者都实现了改进的遗憾界限。
-
研究发现高斯RBF RKHS渐近地趋近于欧几里得空间
一篇新的研究论文探讨了高斯RBF再生核希尔伯特空间（RKHS）的渐近行为及其与欧几里得空间的关系。研究表明，在高带宽极限下，高斯RBF RKHS渐近地等距于欧几里得空间。这种收敛意味着依赖于RKHS度量属性的基于核的方法将趋近于线性核的结果，这一发现得到了实验的支持，实验表明数据偏心率的度量可以预测收敛行为。